第12讲：Excel 自动化 Skill 开发

第12讲：Excel 自动化 Skill 开发

掌握 Excel 场景的 Skill 开发，实现数据清洗、报表生成、格式转换等自动化操作，让繁琐的表格处理工作变得轻松高效。

一、场景分析

1.1 用户痛点

在日常办公中，Excel 处理是最耗时的工作之一：

  • 数据清洗痛苦：从各部门收集的数据格式不统一，需要手动整理、去重、填充空值
  • 报表制作繁琐：每周/每月需要重复制作相同格式的报表，复制粘贴容易出错
  • 格式转换困难：需要将 Excel 转换为 PDF、CSV 等其他格式，操作步骤多
  • 数据合并复杂：多个表格需要按条件合并，VLOOKUP 公式写起来头大
  • 批量处理低效：几百个文件需要统一修改格式，手动操作不现实

1.2 典型应用场景

场景需求描述Skill 价值
销售报表汇总各区域销售数据，生成可视化图表一键生成，自动更新
财务报表合并多个科目表，计算汇总数据减少人工计算错误
人事统计统计考勤、绩效、薪资数据自动化数据处理
库存管理跟踪库存变动，预警低库存商品实时监控，自动提醒
数据迁移将旧系统数据转换为新系统格式批量转换，格式校验

二、核心功能设计

2.1 Skill 功能清单

一个完整的 Excel 自动化 Skill 应该具备以下功能：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
📊 Excel 智能助手
├── 数据清洗
│   ├── 去除重复行
│   ├── 填充空值
│   ├── 格式统一化
│   └── 异常数据标记
├── 报表生成
│   ├── 数据透视表
│   ├── 图表生成
│   ├── 条件格式
│   └── 自动汇总
├── 格式转换
│   ├── Excel ↔ CSV
│   ├── Excel ↔ PDF
│   ├── Excel ↔ JSON
│   └── 批量转换
├── 数据合并
│   ├── 多表合并
│   ├── 按条件汇总
│   ├── 数据对比
│   └── 差异报告
└── 批量处理
    ├── 批量重命名
    ├── 批量格式调整
    ├── 批量公式填充
    └── 批量保护设置

2.2 用户交互流程

1
2
3
4
用户输入 → 意图识别 → 参数提取 → 执行操作 → 结果返回
   ↓           ↓           ↓           ↓           ↓
"帮我合并    识别为      提取文件     调用合并     返回合并
这三个表"   合并操作    路径和规则    功能模块     后的文件

三、技术实现

3.1 技术选型

Excel 处理的核心技术栈：

平台技术方案特点
CozePython + openpyxl/xlrd功能全面，支持复杂操作
OpenClawPython + pandas数据处理能力强
飞书 CLI飞书表格 API与飞书生态深度集成

3.2 Coze 平台实现

3.2.1 插件配置

在 Coze 中创建 Excel 处理 Skill，需要配置以下插件：

  1. 代码执行节点：使用 Python 处理 Excel 文件
  2. 文件处理节点：读取和保存 Excel 文件
  3. 大模型节点：理解用户意图，提取处理参数

3.2.2 核心代码示例

数据清洗功能代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
import pandas as pd
import openpyxl
from openpyxl.styles import PatternFill, Font

def clean_excel(file_path, operations):
    """
    Excel 数据清洗主函数
    
    Args:
        file_path: Excel 文件路径
        operations: 清洗操作列表
    
    Returns:
        清洗后的文件路径
    """
    # 读取 Excel 文件
    df = pd.read_excel(file_path)
    
    for op in operations:
        if op['type'] == 'remove_duplicates':
            # 去除重复行
            subset = op.get('columns', None)
            df = df.drop_duplicates(subset=subset)
            
        elif op['type'] == 'fill_na':
            # 填充空值
            strategy = op.get('strategy', 'forward')
            if strategy == 'forward':
                df = df.fillna(method='ffill')
            elif strategy == 'backward':
                df = df.fillna(method='bfill')
            elif strategy == 'value':
                fill_value = op.get('value', 0)
                df = df.fillna(fill_value)
                
        elif op['type'] == 'standardize':
            # 格式统一化
            column = op['column']
            format_type = op['format']
            if format_type == 'date':
                df[column] = pd.to_datetime(df[column])
            elif format_type == 'number':
                df[column] = pd.to_numeric(df[column], errors='coerce')
            elif format_type == 'text':
                df[column] = df[column].astype(str).str.strip()
                
        elif op['type'] == 'mark_anomaly':
            # 标记异常数据
            column = op['column']
            condition = op['condition']
            df[f'{column}_is_anomaly'] = df.eval(condition)
    
    # 保存结果
    output_path = file_path.replace('.xlsx', '_cleaned.xlsx')
    df.to_excel(output_path, index=False)
    
    return output_path

报表生成功能代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
def generate_report(data_file, report_config):
    """
    自动生成数据报表
    
    Args:
        data_file: 数据源文件
        report_config: 报表配置
    """
    df = pd.read_excel(data_file)
    
    # 创建透视表
    pivot = pd.pivot_table(
        df,
        values=report_config['values'],
        index=report_config['index'],
        columns=report_config.get('columns'),
        aggfunc=report_config.get('aggfunc', 'sum')
    )
    
    # 生成图表
    import matplotlib.pyplot as plt
    plt.figure(figsize=(10, 6))
    pivot.plot(kind='bar')
    plt.title(report_config['title'])
    plt.tight_layout()
    
    # 保存图表
    chart_path = data_file.replace('.xlsx', '_chart.png')
    plt.savefig(chart_path)
    
    # 保存报表
    report_path = data_file.replace('.xlsx', '_report.xlsx')
    with pd.ExcelWriter(report_path, engine='openpyxl') as writer:
        df.to_excel(writer, sheet_name='原始数据', index=False)
        pivot.to_excel(writer, sheet_name='透视表')
    
    return {
        'report_file': report_path,
        'chart_file': chart_path
    }

多表合并功能代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
def merge_excel_files(file_list, merge_config):
    """
    合并多个 Excel 文件
    
    Args:
        file_list: 文件路径列表
        merge_config: 合并配置
    """
    dataframes = []
    
    for file_path in file_list:
        df = pd.read_excel(file_path)
        df['source_file'] = file_path  # 标记数据来源
        dataframes.append(df)
    
    # 根据配置选择合并方式
    merge_type = merge_config.get('type', 'concat')
    
    if merge_type == 'concat':
        # 纵向拼接
        result = pd.concat(dataframes, ignore_index=True)
    elif merge_type == 'merge':
        # 按条件合并
        result = dataframes[0]
        for df in dataframes[1:]:
            result = pd.merge(
                result, df,
                on=merge_config['on'],
                how=merge_config.get('how', 'inner')
            )
    
    # 去重
    if merge_config.get('remove_duplicates', False):
        result = result.drop_duplicates()
    
    # 保存
    output_path = merge_config['output_path']
    result.to_excel(output_path, index=False)
    
    return output_path

3.3 OpenClaw 平台实现

OpenClaw 的 Excel Skill 开发更加简洁：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
from openclaw import Skill, Tool
import pandas as pd

class ExcelSkill(Skill):
    name = "Excel智能助手"
    description = "自动化处理 Excel 文件"
    
    @Tool
    def clean_data(self, file: str, operations: list) -> str:
        """清洗 Excel 数据"""
        df = pd.read_excel(file)
        # 执行清洗操作...
        return "清洗完成"
    
    @Tool
    def merge_files(self, files: list, output: str) -> str:
        """合并多个 Excel 文件"""
        dfs = [pd.read_excel(f) for f in files]
        result = pd.concat(dfs)
        result.to_excel(output, index=False)
        return f"已合并到 {output}"

3.4 飞书 CLI 实现

飞书 CLI 可以直接操作飞书表格：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
from lark_cli import Skill, SpreadsheetAPI

class FeishuExcelSkill(Skill):
    def __init__(self):
        self.api = SpreadsheetAPI()
    
    def sync_data(self, spreadsheet_token: str, data: list):
        """同步数据到飞书表格"""
        # 写入数据
        self.api.write_range(
            spreadsheet_token=spreadsheet_token,
            range="Sheet1!A1",
            values=data
        )
        return "同步成功"
    
    def generate_chart(self, spreadsheet_token: str, config: dict):
        """在飞书表格中生成图表"""
        chart = self.api.create_chart(
            spreadsheet_token=spreadsheet_token,
            chart_type=config['type'],
            data_range=config['range']
        )
        return chart

四、Prompt 设计

4.1 系统 Prompt

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
你是 Excel 智能助手，专门帮助用户自动化处理 Excel 文件。

你可以执行以下操作：
1. 数据清洗：去重、填充空值、格式统一、异常标记
2. 报表生成：透视表、图表、汇总统计
3. 格式转换：Excel ↔ CSV/PDF/JSON
4. 数据合并：多表合并、条件汇总
5. 批量处理：批量重命名、格式调整

处理流程：
1. 理解用户的 Excel 处理需求
2. 询问必要的参数（文件路径、处理规则等）
3. 确认操作内容
4. 执行处理
5. 返回处理结果和文件

注意事项：
- 处理前备份原始文件
- 大数据量时提示用户可能需要等待
- 提供处理摘要（处理了多少行、哪些变更）

4.2 意图识别示例

用户输入识别意图提取参数
"帮我把这个表里的重复数据删掉"数据清洗-去重文件路径、去重列
"把这三个销售表合并成一个"数据合并文件列表、合并方式
"生成一个按月份汇总的报表"报表生成数据源、汇总维度
"把 Excel 转成 PDF"格式转换源文件、目标格式

五、实战案例

5.1 案例一：销售数据清洗

场景：销售部门每月收到各区域提交的 Excel 报表，需要合并并清洗。

解决方案：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# Skill 执行流程
def process_sales_data(file_list):
    # 1. 合并所有区域报表
    merged = merge_excel_files(file_list, {
        'type': 'concat',
        'remove_duplicates': True
    })
    
    # 2. 数据清洗
    cleaned = clean_excel(merged, [
        {'type': 'remove_duplicates', 'columns': ['订单号']},
        {'type': 'fill_na', 'strategy': 'value', 'value': 0},
        {'type': 'standardize', 'column': '日期', 'format': 'date'},
        {'type': 'mark_anomaly', 'column': '金额', 'condition': '金额 < 0'}
    ])
    
    # 3. 生成汇总报表
    report = generate_report(cleaned, {
        'values': ['金额', '数量'],
        'index': ['区域', '月份'],
        'aggfunc': 'sum',
        'title': '销售数据汇总'
    })
    
    return report

5.2 案例二：财务报表自动化

场景：财务每月需要从多个系统导出数据，生成管理报表。

解决方案：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
def generate_finance_report(config):
    """自动生成财务报表"""
    # 读取各系统数据
    gl_data = pd.read_excel(config['general_ledger'])
    ar_data = pd.read_excel(config['ar_file'])
    ap_data = pd.read_excel(config['ap_file'])
    
    # 数据校验
    validate_data(gl_data, ar_data, ap_data)
    
    # 生成各类报表
    reports = {
        '资产负债表': generate_balance_sheet(gl_data),
        '利润表': generate_income_statement(gl_data),
        '现金流量表': generate_cash_flow(gl_data),
        '应收账款分析': generate_ar_analysis(ar_data),
        '应付账款分析': generate_ap_analysis(ap_data)
    }
    
    # 导出为 PDF
    pdf_path = export_to_pdf(reports, config['output_pdf'])
    
    return pdf_path

六、多平台适配对比

功能CozeOpenClaw飞书 CLI
本地文件处理✅✅❌
飞书表格操作❌❌✅
复杂数据处理✅✅中等
图表生成✅✅✅
PDF 转换✅✅需插件
批量处理✅✅中等

七、实战练习

练习 1：基础数据清洗

创建一个 Skill，实现以下功能：

  1. 读取用户上传的 Excel 文件
  2. 自动检测并去除重复行
  3. 填充所有空值为 0
  4. 将日期列统一为 YYYY-MM-DD 格式
  5. 返回清洗后的文件

练习 2：销售报表生成

创建一个 Skill，实现以下功能：

  1. 读取销售数据
  2. 按产品类别和月份生成透视表
  3. 生成柱状图展示销售额
  4. 标记销售额超过 10 万的记录
  5. 导出为 PDF 报表

练习 3：多表合并工具

创建一个 Skill，实现以下功能：

  1. 接收多个 Excel 文件
  2. 按指定列（如"客户ID"）合并
  3. 处理列名冲突（添加前缀区分来源）
  4. 生成合并报告（显示合并前后的行数）
  5. 返回合并后的文件

八、常见问题

Q1：处理大文件时内存不足怎么办？

解决方案：

  • 使用 pandas.read_excel() 的 chunksize 参数分块读取
  • 只读取需要的列：usecols=['列A', '列B']
  • 考虑使用 Dask 进行分布式处理

Q2：如何保留 Excel 的格式和公式？

解决方案：

  • 使用 openpyxl 而不是 pandas 处理格式
  • 读取时保留公式：data_only=False
  • 复制单元格样式到新的工作簿

Q3：中文乱码怎么处理？

解决方案：

  • 明确指定编码：encoding='utf-8' 或 'gbk'
  • CSV 文件添加 BOM：encoding='utf-8-sig'
  • 检查源文件的编码格式

九、下节预告

下一讲我们将学习 PDF 智能处理 Skill 开发，包括：

  • PDF 内容提取与解析
  • PDF 合并、拆分、旋转
  • PDF 与 Word/Excel 互转
  • OCR 文字识别集成

加入学习群

👉 加入AI编程学习交流群

点击加入

本讲是《AI Skills 从入门到实践》系列课程的第12讲。

🎓 AI 编程实战课程

想系统学习 AI 编程？程序员晚枫的 AI 编程实战课 帮你从零上手！